dell-research-harvard/associating-press

Name: dell-research-harvard/associating-press
Creator: dell-research-harvard
Published: 2023-09-15 23:06:20
License: 暂无描述

Hugging Face2023-09-15 更新2024-03-04 收录

下载链接：

https://hf-mirror.com/datasets/dell-research-harvard/associating-press

下载链接

链接失效反馈

官方服务：

资源简介：

--- license: cc-by-2.0 ---

提供机构：

dell-research-harvard

原始信息汇总

数据集许可证

许可证类型: CC BY 2.0

dell-research-harvard/AmericanStoriesTraining

--- license: apache-2.0 ---

Hugging Face2023-11-10 更新70

dell-research-harvard/newswire

NewsWire数据集包含1878年至1977年间的270万篇美国新闻电讯文章。这些文章经过地理编码、主题分类、命名实体识别和人物消歧处理。数据集适用于文本分类、文本生成、文本检索、摘要和问答等多种NLP任务。每篇文章包含年份、日期、文章内容、报纸元数据、主题标签、命名实体、提及的人物等信息。数据集旨在为研究人员提供一个大规模、高质量的历史新闻文章语料库，适用于历史学家、社会科学家和NLP从业者。

Hugging Face2025-08-30 更新350

dell-research-harvard/headlines-semantic-similarity

HEADLINES是一个大规模的英语语义相似性数据集，包含396,001,930对来自1920年至1989年美国历史报纸的相同文章的不同标题。数据集以集群形式呈现，以减少文本数据的重复并最小化存储大小。每个年份的数据被分为一个单独的文件，总共70个文件。数据集中的文本为英语，主要用于训练语义相似性模型，并促进跨时空语义变化的研究。数据集可能包含反映1920年至1989年期间态度和价值观的标题，包括

Hugging Face2024-06-07 更新350

dell-research-harvard/AmericanStories

American Stories数据集是一个包含从美国历史报纸图像中提取的全文文章的集合，包含近2000万份来自公共领域Chronicling America收藏的扫描件。该数据集通过创新的深度学习管道创建，包括布局检测、可读性分类、自定义OCR和多框文章文本关联。数据集适用于预训练大型语言模型，增强对历史英语和世界知识的理解，也可用于检索增强的语言模型，使历史信息更易获取。此外，数据集的结构化文

Hugging Face2025-03-26 更新500

dell-research-harvard/newswire-misc

--- license: apache-2.0 ---

Hugging Face2024-06-12 更新40